Data Science Training - Supervised Learning

• Verfasst von: Selle, Stefan [VerfasserIn]
• Titel: Data Science Training - Supervised Learning
• Titelzusatz: ein praktischer Einstieg ins überwachte maschinelle Lernen
• Verf.angabe: Stefan Selle
• Verlagsort: Berlin ; [Heidelberg]
• Verlag: Springer Vieweg
• E-Jahr: 2024
• Jahr: [2024]
• Umfang: XXVII, 592 Seiten
• Illustrationen: Illustrationen, Diagramme
• Gesamttitel/Reihe: Lehrbuch
• Fussnoten: Literaturangaben
• ISBN: 978-3-662-67959-3
• Schlagwörter: (s)Data Science / (s)Data Mining / (s)Überwachtes Lernen
• Dokumenttyp: Lehrbuch
• Sprache: ger
• Bibliogr. Hinweis: Erscheint auch als : Online-Ausgabe: Selle, Stefan, 1968 - : Data Science Training - Supervised Learning. - Berlin : Springer Vieweg, 2024. - 1 Online-Ressource (XXVII, 592 Seiten)
• Sach-SW: Artificial intelligence
• Sach-SW: COMPUTERS / Artificial Intelligence
• Sach-SW: COMPUTERS / Database Management / General
• Sach-SW: Databases
• Sach-SW: Datenbanken
• Sach-SW: Künstliche Intelligenz
• Sach-SW: MATHEMATICS / Probability & Statistics / General
• Sach-SW: MATHEMATICS / Probability & Statistics / Regression Analysis
• Sach-SW: Machine learning
• Sach-SW: Maschinelles Lernen
• Sach-SW: Probability & statistics
• Sach-SW: Wahrscheinlichkeitsrechnung und Statistik
• K10plus-PPN: 1902683692

Abstract

Dieses Lehrbuch erklärt auf narrative und direkte Weise die wichtigen Zusammenhänge zwischen Data Science, Künstlicher Intelligenz und anderen Disziplinen und Domänen wie Datenschutz und Ethik, mit Fokus auf überwachtes Lernen (Supervised Learning).Wir begleiten Anna und Karl während ihrer Traineephase in einer internationalen Versicherung. Schritt für Schritt reifen sie zu Data Scientists, indem sie sich intensiv mit der Titanic-Katastrophe auseinandersetzen. Anna kann Python programmieren, während Karl ein grafisches Werkzeug (KNIME Analytics Platform) benutzt. Bei ihren Untersuchungen stoßen sie auf interessante Fakten und Mythen. Mit Unterstützung von Max und Sophia verarbeiten sie historische Daten, um Vorhersagen zu erstellen (Predictive Analytics). Dabei benutzen sie Methoden und Algorithmen des maschinellen Lernens.Begleitende Zusatzmaterialien (KNIME Workflows, Jupyter Notebooks, Erklärvideos) stehen den Lernenden online zur Verfügung. Und wenn in diesemBuch Anna und Karl sich auf Themen des überwachten Lernens konzentrieren, werden wir künftig mit ihnen noch weitere Gebiete der Data Science entdecken